/ Модель

Характеристики

Контекст
1 024 токена
Параметры
51,7 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-base-bn-3
Опубликована
26 янв 2024

whisper-base-bn-6

Распознавание речиАудио → текст6 профессий

Дообученная модель Whisper Base для распознавания и транскрибирования речи на бенгальском языке.

13скачиваний за 30 дней0лайковвеса обновлены26 янв 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

arun100/whisper-base-bn-6 — модель автоматического распознавания речи на основе Whisper Base, дообученная разработчиком на бенгальской части набора Mozilla Common Voice 16.0. Она преобразует входящую речь в текст и предназначена для транскрибирования бенгальской речи. Модель содержит 51,7 млн параметров и опубликована в формате Safetensors под лицензией Apache-2.0.

На оценочной выборке указаны Loss 0,2078 и WER 28,8185. Эти результаты относятся к конкретной выборке и сами по себе не гарантируют такое же качество на других записях; подробности об условиях записи и ограничениях в карточке не приведены.

Сценарии применения

  • транскрибирование бенгальской речи из аудиозаписей
  • распознавание бенгальской речи в голосовых сообщениях
  • создание текстовых расшифровок бенгальских аудиоматериалов

Ограничения

В карточке приведён WER 28,8185 для оценочной выборки; качество на других аудио может отличаться. Условия оценки и дополнительные ограничения не описаны.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Base Bengali

This model is a fine-tuned version of arun100/whisper-base-bn-3 on the mozilla-foundation/common_voice_16_0 bn dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2078
  • Wer: 28.8185

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-07
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 64
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 5500
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.15681.725000.214529.8350
0.15073.4310000.213229.5594
0.14665.1515000.211929.3576
0.14636.8620000.210629.2927
0.14268.5825000.209829.2220
0.13910.2930000.209329.1075
0.137312.0135000.208729.0878
0.136213.7240000.208428.9769
0.133315.4445000.208128.9129
0.133217.1550000.207928.8945
0.136318.8755000.207828.8185

Framework versions

  • Transformers 4.37.0.dev0
  • Pytorch 2.1.2+cu121
  • Datasets 2.16.2.dev0
  • Tokenizers 0.15.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
74aee16

0 моделей